Array ( [article_id] => 145 [article_title] => 误差图 [article_keyword] => 误差图,误差图是什么,误差图算法原理 [article_description] => 误差图是一种描述数据总体离散的统计图形，利用它可以直观的观察样本的离散度情况。 [article_detail] => 一种描述数据总体离散的统计图形 [article_content] => <div class="rightwrap collegeDetail"> <h1 class="algorithmName"> 误差图 </h1> <div class="clearfix topcontent"> <p> 统计图是根据统计数字，用几何图形、事物形象和地图等绘制的各种图形，它有直观、形象、生动、具体的特点。统计图可以使复杂的统计数字简单化，便于理解和比较。 </p> <p> 统计图的主要特点是：形象具体、简明生动、通俗易懂、一目了然。 </p> <p> 主要用途有：表示现象间的对比关系；揭露总体结构；检查计划的执行情况；揭示现象间的依存关系，反映总体单位的分配情况；说明现象在空间上的分布情况。一般采用直角坐标系，横坐标用来表示事物的组别或自变量X，纵坐标常用来表示事物出现的次数或因变量Y。 </p> <p> 统计图有许多不同类型的表示方式，应用的领域也各不相同。一般用的较多的图主要包括：线性图、条状图、圆饼图、面积图、盒状图、直方图、排列图、散点图、控制图和关联图。 </p> </div> <div class="lemma_catalog clearfix"> <h2 class="block_title"> 目录 </h2> <div class="lemma_list"> <a href="#a_2">1、算法描述</a><a href="#a_5">2、相关应用</a><a href="#a_7">3、参考资料</a><a href="#a_9">4、实例</a><a href="#a_16">5、输入输出</a><a href="#a_19">6、相关条目</a><a href="#a_21">7、优缺点</a> </div> </div> <a name="a_2"></a><a class="para_title"><span class="number">一</span>算法描述</a> <p> 误差图是一种描述数据总体离散的统计图形，利用它可以直观的观察样本的离散度情况。误差图表示了数据均值的置信区间、标准差和标准误差。误差图中，小的方块表示平均值，图形的两端为置信区间、标准差和标准误差。 </p> <a name="a_5"></a><a class="para_title"><span class="number">三</span>相关应用</a> <p> 应用领域无限制，从图形的角度上，更加直观的分析、观察数据的总体离散程度。 </p> <a name="a_7"></a><a class="para_title"><span class="number">四</span>参考资料</a> <p> 1 马克威分析系统使用教程，http://www.tenly.com </p> <a name="a_9"></a><a class="para_title"><span class="number">五</span>实例</a> <p> 示例数据为，某小学四年级学生的身高和体重数据，试分析身高和体重的误差图。 </p> <table class="college_table"> <tbody> <tr class="thead"> <td> 编号 </td> <td> 姓名 </td> <td> 性别 </td> <td> 年龄 </td> <td> 身高 </td> <td> 体重 </td> </tr> </tbody> <tbody> <tr> <td> 1 </td> <td> 陆一迪 </td> <td> 男 </td> <td> 13 </td> <td> 156 </td> <td> 47.5 </td> </tr> <tr> <td> 2 </td> <td> 许兆辉 </td> <td> 男 </td> <td> 13 </td> <td> 155 </td> <td> 37.8 </td> </tr> <tr> <td> 3 </td> <td> 王鸿榆 </td> <td> 男 </td> <td> 13 </td> <td> 144.6 </td> <td> 38.6 </td> </tr> <tr> <td> 4 </td> <td> 江飞 </td> <td> 男 </td> <td> 13 </td> <td> 161.5 </td> <td> 41.6 </td> </tr> <tr> <td> 5 </td> <td> 袁翼鹏 </td> <td> 男 </td> <td> 13 </td> <td> 161.3 </td> <td> 43.3 </td> </tr> <tr> <td> 6 </td> <td> 段燕 </td> <td> 女 </td> <td> 13 </td> <td> 158 </td> <td> 47.3 </td> </tr> <tr> <td> 7 </td> <td> 安剑萍 </td> <td> 女 </td> <td> 13 </td> <td> 161 </td> <td> 47.1 </td> </tr> <tr> <td> 8 </td> <td> 赵冬利 </td> <td> 女 </td> <td> 13 </td> <td> 162 </td> <td> 47 </td> </tr> <tr> <td> 9 </td> <td> 叶敏 </td> <td> 女 </td> <td> 13 </td> <td> 164.3 </td> <td> 33.8 </td> </tr> <tr> <td> 10 </td> <td> 毛云华 </td> <td> 女 </td> <td> 13 </td> <td> 144 </td> <td> 33.8 </td> </tr> <tr> <td> 11 </td> <td> 孙世伟 </td> <td> 男 </td> <td> 14 </td> <td> 157.9 </td> <td> 49.2 </td> </tr> <tr> <td> 12 </td> <td> 杨维清 </td> <td> 男 </td> <td> 14 </td> <td> 176.1 </td> <td> 54.5 </td> </tr> <tr> <td> 13 </td> <td> 欧阳已祥 </td> <td> 男 </td> <td> 14 </td> <td> 168 </td> <td> 50 </td> </tr> <tr> <td> 14 </td> <td> 贺以礼 </td> <td> 男 </td> <td> 14 </td> <td> 164.5 </td> <td> 44 </td> </tr> <tr class="lasttr"> <td> 15 </td> <td> 张放 </td> <td> 男 </td> <td> 14 </td> <td> 153 </td> <td> 58 </td> </tr> </tbody> </table> <p> 先统计身高和体重这两个指标的总体离散统计量，其中包括均值、置信区间、标准差等，计算结果如下： </p> <table class="college_table"> <tbody> <tr class="thead"> <td> 属性 </td> <td> 有效记录数 </td> <td> 最小值 </td> <td> 最大值 </td> <td> 平均值 </td> <td> 均值标准误 </td> <td> 标准差 </td> </tr> </tbody> <tbody> <tr> <td> 身高 </td> <td> 15 </td> <td> 144 </td> <td> 176.1 </td> <td> 159.1 </td> <td> 2.1286 </td> <td> 8.2442 </td> </tr> <tr class="lasttr"> <td> 体重 </td> <td> 15 </td> <td> 33.8 </td> <td> 58 </td> <td> 44.9 </td> <td> 1.8006 </td> <td> 6.9735 </td> </tr> </tbody> </table> <p> <br /> </p> <p> 现在根据上述统计量，绘制身高和体重的误差图，具体如下： </p> <img src="/uploadfile/article/2016-12-8/image016.png" /> <p> 从上述误差图的结果可以看出，身高和体重数据都是比较聚集的，表明学生的生长状况良好。 </p> <a name="a_16"></a><a class="para_title"><span class="number">六</span>输入输出</a> <p> 输入变量类型：数值型数据，如整型、浮点型 </p> <p> 输出结果：数据的总体离差 </p> <a name="a_19"></a><a class="para_title"><span class="number">七</span>相关条目</a> <p> 统计图形、总体离散统计量 </p> <a name="a_21"></a><a class="para_title"><span class="number">八</span>优缺点</a> <p> 优点：直接观察数据的总体离散程度 </p> </div> [is_show] => 1 [cat_id] => 69 [article_img] => [article_order] => 1 [article_time] => 1481183260 [isdel] => 0 )
误差图

误差图

统计图是根据统计数字，用几何图形、事物形象和地图等绘制的各种图形，它有直观、形象、生动、具体的特点。统计图可以使复杂的统计数字简单化，便于理解和比较。

统计图的主要特点是：形象具体、简明生动、通俗易懂、一目了然。

主要用途有：表示现象间的对比关系；揭露总体结构；检查计划的执行情况；揭示现象间的依存关系，反映总体单位的分配情况；说明现象在空间上的分布情况。一般采用直角坐标系，横坐标用来表示事物的组别或自变量X，纵坐标常用来表示事物出现的次数或因变量Y。

统计图有许多不同类型的表示方式，应用的领域也各不相同。一般用的较多的图主要包括：线性图、条状图、圆饼图、面积图、盒状图、直方图、排列图、散点图、控制图和关联图。

目录

1、算法描述2、相关应用3、参考资料4、实例5、输入输出6、相关条目7、优缺点
一算法描述

误差图是一种描述数据总体离散的统计图形，利用它可以直观的观察样本的离散度情况。误差图表示了数据均值的置信区间、标准差和标准误差。误差图中，小的方块表示平均值，图形的两端为置信区间、标准差和标准误差。

三相关应用

应用领域无限制，从图形的角度上，更加直观的分析、观察数据的总体离散程度。

四参考资料

1 马克威分析系统使用教程，http://www.tenly.com

五实例

示例数据为，某小学四年级学生的身高和体重数据，试分析身高和体重的误差图。

编号 姓名 性别 年龄 身高 体重
1 陆一迪 男 13 156 47.5
2 许兆辉 男 13 155 37.8
3 王鸿榆 男 13 144.6 38.6
4 江飞 男 13 161.5 41.6
5 袁翼鹏 男 13 161.3 43.3
6 段燕 女 13 158 47.3
7 安剑萍 女 13 161 47.1
8 赵冬利 女 13 162 47
9 叶敏 女 13 164.3 33.8
10 毛云华 女 13 144 33.8
11 孙世伟 男 14 157.9 49.2
12 杨维清 男 14 176.1 54.5
13 欧阳已祥 男 14 168 50
14 贺以礼 男 14 164.5 44
15 张放 男 14 153 58

先统计身高和体重这两个指标的总体离散统计量，其中包括均值、置信区间、标准差等，计算结果如下：

属性 有效记录数 最小值 最大值 平均值 均值标准误 标准差
身高 15 144 176.1 159.1 2.1286 8.2442
体重 15 33.8 58 44.9 1.8006 6.9735


现在根据上述统计量，绘制身高和体重的误差图，具体如下：

从上述误差图的结果可以看出，身高和体重数据都是比较聚集的，表明学生的生长状况良好。

六输入输出

输入变量类型：数值型数据，如整型、浮点型

输出结果：数据的总体离差

七相关条目

统计图形、总体离散统计量

八优缺点

优点：直接观察数据的总体离散程度